最新刊期
2024年第6卷第3期
- 摘要：智能科技的进一步发展，必将变革社会的知识基础设施，迫使我们以新的思维和新的形态重组从幼儿到博士阶段的K21教育体系，进而重新定义未来学校、政府、社会机构和公益组织等的功能与职责。关键词：K21教育;智慧教育;平行教育;智能科技;人工智能;平行智能210|1131|2更新时间：2024-09-15
评论智能
- 摘要：在“信息开放共享、万物互通互联”的数字社会，互联网中“海量、多源、爆炸式增长”的信息痕迹，为开源情报提供了富饶的“矿藏”。自然语言处理和计算机视觉等先进人工智能技术赋能的情报处理，极大提升了情报产出效率，被广泛应用于安防领域。然而，以深度伪造为代表的生成式人工智能打开了人工智能的“潘多拉魔盒”，不断被用于制造数字野火，投放虚假信息混淆视听，给智能情报融合带来巨大的挑战。为此，以开源情报为主要研究对象，深入分析开源情报特点和现有挑战；然后，综述先进人工智能技术在开源情报融合中的发展现状，从对抗视角总结现有的情报欺骗攻击方法和情报对抗防御方法；最后，提出未来智能情报融合新方向，旨在为可信情报融合分析提供借鉴，为智能态势分析与辅助决策提供支撑。关键词：开源情报融合;情报欺骗攻击;情报对抗防御;深度造假;舆情检测185|43|0更新时间：2024-09-15
- 摘要：博弈强化学习作为人工智能领域的新兴范式，是当前解决低轨星座边缘计算问题的主流方法。融入博弈论的多智能体深度强化学习方法为复杂、动态、不确定性的星座边缘计算问题提供了新思路。通过梳理总结卫星组网、任务卸载以及资源调度3种卫星边缘计算主要研究方向，详细阐述了博弈强化学习范式基础，并从博弈模型、深度Q网络、深度确定性策略梯度以及近端策略优化等方面分别阐述了3种研究方向上的典型应用现状，最后对该领域的前沿挑战进行分析，期望为博弈强化学习范式与低轨星座边缘计算领域的交叉融合研究提供参考。关键词：低轨星座;边缘计算;博弈论;多智能体强化学习82|31|0更新时间：2024-09-15
综述与展望
- 摘要：传统的胸腰椎骨折影像辅助分类方法准确率低、泛化能力差，为此提出一种基于深度卷积神经网络方法辅助诊断的胸腰椎骨折AI分类方法。收集四川省中西医结合医院胸腰椎骨折患者CT影像图片共698张，建立数据集，其中单纯压缩性骨折（A类）279张，爆裂性骨折（B类）295张，正常（C类）124张。对传统卷积神经网络模型ResNet-50进行改进并融入迁移学习，对数据集进行训练，获得胸腰椎骨折AI分类模型。采用混淆矩阵评估预测模型分类性能，模型的训练集和验证集准确率分别为95.75%和96.36%，表明训练得到的智能分类模型具有较好的准确率和泛化能力。本文提出胸腰椎骨折影像辅助分类方法，可以提高人工诊断的效率和准确率。关键词：胸腰椎骨折;深度卷积神经网络;AI分类方法;泛化能力80|38|0更新时间：2024-09-15
- 摘要：阿尔茨海默病患者的功能脑网络在小世界及聚类系数等拓扑属性上与认知正常者存在差异。为进一步揭示阿尔茨海默病患者脑网络的结构特征及其与认知正常者脑网络结构的差异，引入分形特征进行对比分析。实验结果表明，阿尔茨海默病患者与认知正常者的脑网络在相同盒覆盖半径下的最小盒子数与连接比例存在显著差异。脑网络阈值为0.4时，认知正常者脑网络的连接比例值分布在区间[0,1]，而阿尔茨海默病患者脑网络的连接比例值分布在区间(0.5,1)。同时，不同阈值下，阿尔茨海默病患者脑网络的平均连接比例均高于认知正常者。上述网络结构差异可为阿尔茨海默病的诊断提供一种新参考。关键词：阿尔茨海默病;分形特征;盒覆盖法;连接比例67|30|0更新时间：2024-09-15
- 摘要：针对骨科疾病诊疗面临的非医院场景下应急处理困难、手术规划复杂且风险高以及康复治疗个性化需求强等诸多挑战，提出了面向骨科精准诊疗的多模态骨科大模型——OrthoGPT。该模型充分利用多模态特征对齐与融合技术和多场景个性化诊疗方案生成技术，结合基于平行理论的骨科世界模型和多Agent智能交互方法，为非医院场景提供初步诊断和应急指导，模拟和预测个性化术后治疗效果，辅助医生进行手术规划，并提供个性化康复治疗建议。该模型旨在探讨OrthoGPT在骨科疾病诊疗中的应用潜力，以期提高诊疗效率和提升效果，改善患者体验，推动人工智能技术在骨科疾病诊疗的发展和应用。关键词：骨科;大模型;智慧医疗;平行医疗202|52|0更新时间：2024-09-15
- 摘要：大语言模型卓越的数据分析和逻辑推理能力为实时交通管理和辅助决策提供了新思路。ChatGPT能够高效地处理和分析公开的社交媒体数据，检测数据中包含的城市、道路信息及发生的交通事件，可用于辅助交通管理人员进行实时询问、追溯起因以及探讨应对措施。构建了一个融合社交媒体与ChatGPT的智能问答框架TMGPT（traffic management GPT），研究如何基于大语言模型进行交通异常事件的快速检测并辅助交通管理部门进行决策。该框架通过对社交媒体数据的获取、处理与分析，精准检测交通异常事件并生成针对性应对策略。该框架通过反馈机制持续优化系统性能，为交通管理和政策制定部门提供决策依据，从而提升城市交通运行效率和安全性。实验结果表明，相较于传统方法，TMGPT框架显著提高了交通异常事件检测的准确率并缩短了响应时间，展现出大语言模型在复杂城市交通管理中的应用潜力。关键词：ChatGPT;交通事件检测;社交媒体;辅助决策249|66|0更新时间：2024-09-15
- 摘要：空气质量预测是治理和减轻空气污染的有效手段。为了提高预测精度，构建了一个新的空气质量预测模型，即样本卷积和交互网络（sample convolutional and interaction network，SCINet）模型。该模型由多个SCI-Block按照完全二叉树结构排列而成，通过翻转奇偶分裂重新排列生成一个新的序列，该结构能够更好地捕捉多变量大气污染物彼此间复杂的依赖关系和局部趋势。因为大气污染物监测数据具有季节性和随机性，所以使用两个SCINet进行叠加，既能扩大卷积运算的接受域，又能实现多分辨率分析。此外，通过模型深度及超参数调优，使其更加拟合空气质量时序数据特征，能够有助于提取目标变量的时间关系特征。最后，通过北京PM2.5数据集和北京多站点空气质量数据集进行实证研究，结果表明，SCINet模型具有更高的预测精度，在短期预测中其均方根误差比对比模型中表现最佳的DAQFF模型减少了31.59%，在长期预测中减少了24.36%。关键词：空气质量预测;SCINet;卷积神经网络;时间序列75|36|1更新时间：2024-09-15
- 摘要：列车轨道缺陷检测对轨道交通安全具有重要意义，但当前人工检测已不能满足复杂繁重的轨道巡检要求。深度学习方法极大地扩展了缺陷检测的手段，为了提高表面缺陷检测的效率与质量，结合轨道缺陷的类型与相关属性，系统分析了当前视觉检测方法的变化趋势。详细阐述了轨面及扣件缺陷视觉检测方法，以及与之相关的深度学习方法的基本原理、技术、方法与应用现状，讨论了轨面及扣件缺陷检测方法的理念、应用和意义。最后，对当前研究的轨道缺陷检测领域发展趋势进行分析和总结，首次提出了全自动轨道检修系统的概念，致力于为未来相关研究提供有益的支撑和借鉴。关键词：轨道交通安全;轨道缺陷;图像识别;深度学习125|44|0更新时间：2024-09-15
学术论文
- 摘要：为了应对人工智能系统可能面临的后门攻击风险，研究人员已经开发了一系列后门防御策略。现有防御方法评估标准的多样性，使得跨方法比较成为一大挑战，因此提出了一种人工智能后门防御统一评估框架。该框架旨在为不同层面（包括数据集级别和模型级别等）的防御策略，提供一个公共的评价标准。在数据集级别，主要通过准确率来评估后门检测的有效性；而在模型级别，则主要关注攻击成功率等指标。人工智能后门防御统一评估框架，能够在相同的评价标准下，对比和分析不同后门防御方法的性能。这不仅有助于识别各方法的优势和不足，还能够提出针对性改进建议。结果表明，人工智能后门防御统一评估框架能有效地评估不同防御策略的性能，为进一步提升人工智能系统的安全性提供重要的参考依据。关键词：人工智能安全;后门攻击;后门防御;统一评估67|38|0更新时间：2024-09-15
- 摘要：大语言模型（简称大模型）正引发人工智能技术的新一轮革命。由于大模型具有平台性、海量数据依赖性、用户交互频繁、易受到攻击等特征，其隐私泄露风险更加引人担忧。重点探讨了大模型引发的隐私泄露来源、内在机理。在梳理了国内外对大模型隐私风险的治理经验后，提出了包含政策、标准、数据、技术和生态在内的五维治理框架。最后，展望了大模型在多模态、智能体、具身智能、边缘智能等发展趋势下，可能面临的新型隐私泄露风险。关键词：大语言模型;隐私;数据泄露;治理75|33|0更新时间：2024-09-15
- 摘要：敏捷治理作为一种新的治理范式，有助于提升生成式人工智能治理水平。通过分析生成式人工智能的治理需求与发展挑战，揭示了传统治理模式的不足，并认为以多元共治、灵活的治理依据和迭代过程为核心特征的敏捷治理能够有效平衡技术创新与风险控制的需求，可以弥补传统治理范式在生成式人工智能治理的局限。在审视了国际敏捷治理的实践后，提出了适用于中国的生成式人工智能敏捷治理策略建议。为保障中国生成式人工智能的高质量发展和高水平安全，应在多元参与的基础上进一步发展多元共治模式，加强硬法与软法之间的互动，并逐步丰富生成式人工智能的治理工具箱。关键词：生成式人工智能;敏捷治理;多元共治;去规则化;迭代流程109|46|1更新时间：2024-09-15
专栏：人工智能可信与治理
- 地址：北京市丰台区东铁匠营街道顺八条1号院B座“北阳晨光大厦”2层 邮编：100079
- 联系电话：（010）53879206 Email：cjist@bjxintong.com.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：161982 今日访问量：145
0